L’objectif du stage est de dresser un panorama et une évaluation rigoureuse des approches modernes de prévision de séries temporelles, en visant une contribution au package PASTS et une application à la prévision de la demande en supply chain. Le sujet est volontairement ouvert : le/la stagiaire explorera et comparera plusieurs familles d’approches.
Programme de travail :
Revue bibliographique de l’état de l’art
Sélection de cas d’étude et de jeux de données (benchmarks ouverts type GIFT-Eval, Monash, et/ou données industrielles Mews Labs)
Implémentation, comparaison honnête avec des baselines classiques (ARIMA/ETS), et intégration des méthodes retenues dans PASTS
Évaluation : précision, calibration des intervalles, robustesse à la non-stationnarité, coût de calcul
Compétences mises en jeu :
Séries temporelles, probabilités et statistiques
Deep learning et modèles de fondation
Programmation scientifique (Python, PyTorch, bibliothèques de prévision : Nixtla, GluonTS, Darts…)
Analyse de données et évaluation comparative
Un plan personnalisé pour postuler intelligemment à cette offre.
Cliquez sur "Postuler" pour accéder à l'offre.